L’intelligence artificielle (IA) s’avère être un outil précieux pour la découverte de médicaments. Des chercheurs ont récemment utilisé l’IA pour identifier trois candidats prometteurs pour des médicaments ralentissant le vieillissement et prévenant les maladies liées à l’âge. Cette approche innovante accélère le processus de recherche, réduit les coûts et pourrait transformer la manière dont la recherche médicale est menée.
L’IA est en train de transformer de nombreux domaines, et la recherche médicale ne fait pas exception. En effet, l’IA offre des opportunités sans précédent pour accélérer la découverte de médicaments, réduire les coûts et ouvrir ainsi de nouvelles voies pour lutter contre les maladies.
Dans ce contexte, une étude récente a impliqué l’utilisation de l’IA pour identifier des candidats prometteurs pour des médicaments sénolytiques, qui ralentissent le vieillissement et préviennent les maladies liées à l’âge. Cette recherche, menée par une équipe internationale de chercheurs, utilise l’apprentissage automatique pour prédire l’efficacité potentielle de milliers de molécules, réduisant ainsi le temps et les coûts associés à la recherche traditionnelle en laboratoire.
Les implications de cette étude sont vastes. Elle pourrait notamment conduire à la découverte de nouveaux médicaments anti-âge. Les travaux sont publiés dans la revue Nature Communications.
Cellules sénescentes, une cible pour lutter contre le vieillissement
Les médicaments sénolytiques sont une classe de médicaments qui ciblent spécifiquement les cellules sénescentes, des cellules qui, bien qu’elles soient métaboliquement actives, ont perdu leur capacité à se diviser et à se répliquer. Souvent qualifiées de « cellules zombies », elles jouent un rôle complexe dans notre organisme.
D’une part, la sénescence cellulaire est un mécanisme de défense naturel de l’organisme. Lorsqu’une cellule subit des dommages à son ADN, à cause de l’exposition aux rayons UV ou à des substances chimiques entre autres, elle peut entrer en état de sénescence. Cela signifie qu’elle cesse de se diviser, empêchant ainsi la propagation de dommages potentiels de son ADN à d’autres cellules par le biais de la division cellulaire.
Cependant, les cellules sénescentes peuvent également avoir des effets néfastes sur l’organisme. En effet, bien qu’elles ne se divisent plus, ces cellules restent actives et sécrètent un mélange de protéines inflammatoires, connu sous le nom de phénotype sécrétoire associé à la sénescence (SASP). Ce cocktail de protéines peut provoquer une inflammation et endommager les cellules voisines, contribuant ainsi à l’apparition et à la progression de diverses maladies.
Au fil du temps, le nombre de cellules sénescentes dans notre organisme tend à augmenter, en raison de l’exposition continue à divers facteurs de stress environnementaux et biologiques. Cette accumulation de cellules sénescentes a été associée à un certain nombre de maladies liées à l’âge, dont le diabète de type 2, la fibrose pulmonaire, l’arthrose et le cancer. En éliminant ces cellules sénescentes, les médicaments sénolytiques pourraient donc aider à prévenir ou à traiter ces maladies, ouvrant la voie à de nouvelles stratégies thérapeutiques.
L’IA pour identifier de nouveaux candidats médicamenteux
Pour identifier de nouveaux candidats médicamenteux, les chercheurs expliquent dans un article de The Conversation qu’ils ont formé des modèles d’apprentissage automatique à distinguer entre les sénolytiques connus et les non-sénolytiques. Ces modèles ont ensuite été utilisés pour prédire si des molécules inconnues pourraient également être des sénolytiques. En seulement cinq minutes, l’IA a identifié 21 molécules avec une forte probabilité qu’elles soient sénolytiques, une tâche qui aurait pris plusieurs semaines et coûté environ 58 000 € si elle avait été réalisée en laboratoire.
Parmi les 21 composés identifiés, trois (la périplocine, l’oléandrine et la ginkgétine) ont montré leur capacité à éliminer les cellules sénescentes tout en préservant la plupart des cellules normales. Ces nouveaux sénolytiques ont ensuite été soumis à des tests plus poussés pour comprendre leur fonctionnement dans l’organisme. L’oléandrine, en particulier, s’est avérée plus efficace que le meilleur sénolytique connu de sa catégorie.
Vers une nouvelle ère de la recherche médicale
Cette approche interdisciplinaire, associant data scientists, chimistes et biologistes, a un potentiel énorme. Les data scientists ont joué un rôle crucial en développant et en formant les modèles d’apprentissage automatique utilisés pour identifier les molécules candidates. Leur expertise en matière de manipulation et d’analyse de grandes quantités de données a été essentielle pour permettre à l’IA de faire des prédictions précises.
Avec suffisamment de données de haute qualité, les modèles d’IA ont le potentiel d’accélérer considérablement le processus de découverte de médicaments. Ils peuvent analyser rapidement de grandes quantités de données et identifier des modèles qui seraient autrement difficiles à détecter. Cela peut aider à accélérer le travail des chimistes et des biologistes qui cherchent à trouver des traitements et des remèdes pour les maladies, en particulier celles pour lesquelles il n’existe pas encore de solution.
Les trois sénolytiques candidats identifiés par cette approche sont actuellement en cours de test sur des tissus pulmonaires humains. Ces tests constituent une étape cruciale pour déterminer l’efficacité de ces médicaments dans un contexte réel et pour comprendre comment ils agissent dans l’organisme. Les chercheurs espèrent publier leurs prochains résultats dans deux ans.
